La detección temprana de la enfermedad de Alzheimer a menudo se complica porque los diagnósticos habituales se basan en la aparición de síntomas, en lugar de en la neurodegeneración subyacente. Investigadores han utilizado aprendizaje automático no supervisado para identificar diferentes perfiles de la enfermedad de Alzheimer a partir de imágenes de resonancia magnética estructural y evaluaciones neuropsicológicas, sin utilizar diagnósticos preestablecidos ni definiciones de subtipos.
El estudio, realizado con participantes de entre 18 y 96 años del estudio OASIS-1, analizó características volumétricas cerebrales obtenidas de resonancias magnéticas, junto con mediciones del MMSE (Mini-Examen del Estado Mental) y CDR (Clinical Dementia Rating). Tras reducir la dimensionalidad de los datos mediante análisis de componentes principales, se identificaron cinco grupos estables utilizando el método de agrupamiento K-Means.
Uno de estos grupos mostró una atrofia cortical significativa, pero conservó una función cognitiva intacta, lo que sugiere la existencia de un subtipo preclínico independiente. Para confirmar la fiabilidad de estos grupos, se utilizaron modelos de bosque aleatorio y regresión logística, que predijeron la pertenencia al grupo con una precisión superior al 90%, lo que indica que los grupos identificados son claramente distinguibles.
La edad y el nivel educativo no explicaron completamente esta desconexión entre la estructura cerebral y la función cognitiva, lo que sugiere que existe un subgrupo de personas con una relativa resistencia cognitiva a pesar de la atrofia cerebral. Estos hallazgos cuestionan la idea de una relación uniforme entre la atrofia cerebral y el deterioro cognitivo, y sugieren que el análisis de datos podría revelar subgrupos clínicamente relevantes que no se detectan con los métodos de diagnóstico convencionales.
Los investigadores planean validar estos hallazgos en estudios longitudinales y ampliar el análisis incorporando otros tipos de biomarcadores.
Los autores declaran no tener conflictos de interés.
